CN108596014A - 牲畜行为分析方法及装置 - Google Patents

Abstract

本申请公开了一种牲畜行为分析方法及装置，其中方法包括：获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息。本申请减轻了人的工作量与负担，从而达到有效的降低成本的技术效果，进而解决了提高养殖效率技术问题。

Description

牲畜行为分析方法及装置

技术领域

本申请涉及行为分析技术领域，具体而言，涉及一种牲畜行为分析方法及装置。

背景技术

在养殖过程中，对于牲畜的相关的行为观察与分析基本完全靠人工来实现，对于人的经验与知识的积累要求很高。牲畜的很多异常行为意味着牲畜处于一种异常状态，而这种异常状态如果没有及时适当的处置，会带来相关损失。举例来说，如果母猪出现运动异常，不断的走动，或者摇头晃脑的，有经验的人员会判断出该母猪可能开始发情，需要进行相关的处理。但是由于养殖场饲养的牲畜一般非常多，而饲养员又无法对每一头牲畜进行实时的监控，导致无法及时的处置，从而造成损失。

发明内容

本申请的主要目的在于提供一种分析牲畜行为的方法，以解决养殖场无法针对数量终端的牲畜进行监控而导致的损失的技术问题。

为了实现上述目的，根据本申请的一个方面，提供了一种牲畜行为分析方法，包括：

获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；

根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；

将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；

在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；

查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

进一步，所述查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，包括：

判断所述外在行为是否为异常行为；

如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

进一步，所述方法还包括：

在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像获取头部特征和/或身体特征；

根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。

进一步，所述方法还包括：

接收利用移动设备拍摄获取的需匹配的牲畜图像；

提取所述需匹配的牲畜图像的头部特征和/或身体特征后，将所述需匹配的牲畜图像的头部特征和/或身体特征与待识别牲畜的所述需匹配的牲畜图像的头部特征和/或身体特征进行匹配，判断是否一致；

如果一致，则生成提示信息。

进一步，所述获取属于同类牲畜但不同个体的视频图像，还包括：

将所有视频图像进行的分辨率进行归一化处理。

进一步，所述根据所述行为标注将所述视频图像进行分类，包括：

判断所述视频图像是否具有行为标注；

如果不具有行为标注，则剔除所述视频图像。

进一步，所述将所述待识别视频图像输入至行为模型前，还包括：

所述行为模型是否重新接收到训练数据；

如果是，则将重新接收到的训练数据对所述行为模型重新训练。

为了实现上述目的，根据本申请的另一方面，提供了一种牲畜行为分析装置，包括：

视频获取单元，用于获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；

视频分类单元，用于根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；

行为模型单元，用于将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；

行为识别单元，用于在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；

异常判断单元，用于查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

进一步，所述异常判断单元包括：

异常判断模块，用于判断所述外在行为是否为异常行为；

异常处理模块，用于如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

进一步，所述装置还包括：

特征提取单元，用于在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像提取头部特征和/或身体特征；

个体标准单元，用于根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。

进一步，所述装置还包括：

匹配接收单元，用于接收利用移动设备拍摄获取的需匹配的牲畜图像；

匹配判断单元，用于提取所述需匹配的牲畜图像的头部特征和/或身体特征后，将所述需匹配的牲畜图像的头部特征和/或身体特征与待识别牲畜的所述需匹配的牲畜图像的头部特征和/或身体特征进行匹配，判断是否一致；

提示处理单元，用于如果一致，则生成提示信息。

进一步，所述视频获取单元还包括：

归一化模块，用于将所有视频图像进行的分辨率进行归一化处理。

进一步，所述视频分类单元包括：

标注判断模块，用于判断所述视频图像是否具有行为标注；

标注处理单元，用于如果不具有行为标注，则剔除所述视频图像。

进一步，所述行为模型单元还包括：

再训练判断模块，用于所述行为模型是否重新接收到训练数据；

再训练处理模块，用于如果是，则将重新接收到的训练数据对所述行为模型重新训练。

在本申请实施例中，采用视频图像分析牲畜外在行为方式，通过对牲畜外在行为进行异常判断，达到了有效的降低了对于人员养殖经验的依赖的目的，从而实现了不需要人工的干预就能就能准确及时的发现问题，减轻了人的工作量与负担，从而达到有效的降低成本的技术效果，进而解决了提高养殖效率技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请所述牲畜行为分析方法一个实施例的流程示意图；

图2为本申请中进行异常判断一个实施例的流程示意图；

图3为为本申请中进行异常判断另一个实施例的流程示意图；以及

图4为本申请所述牲畜行为分析装置一个实施例的框图结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了对养殖场的牲畜进行监控，一般的做法是在养殖场安装摄像头。但是相关技术中的摄像头只能对养殖场的牲畜是否被偷起到作用，并无法对牲畜的行为进行分析，也就无法实现通过监控达到对牲畜行为进行指导，从而降低养殖损失的目的。为此，如图1所示本申请提供了一种牲畜行为分析方法。

所述方法包括S101～S104。

S101、获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注。

本申请通过行为标注为后期对视频图像进行分类提供基础，具体地，行为标注是根据牲畜的外在表现进行的，如牲畜表现为来回走动、嚎叫不止等行为，按照牲畜表现的行为进行标注，起到区分牲畜的行为的目的。

具体地，该步骤还包括：将所有视频图像进行的分辨率进行归一化处理。通过归一化处理防止对对神经网络模型进行训练的训练时间，降低对视频图像进行处理的运算量。

S102、根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为。

进一步，该步骤包括：判断所述视频图像是否具有行为标注；如果不具有行为标注，则剔除所述视频图像。本申请通过分类处理得到不同行为的行为图像，以便根据不同的行为图像对神经网络模型进行训练，从而提高行为模型的识别的精确度。具体地，所述神经网络模型可以采用卷积神经网络(CNN模型)。

S103、将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型。本申请通过训练从而确定神经网络模型各层的参数，以便提高对行为识别的精度。

S104、在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为。

进一步，该步骤中，所述将所述待识别视频图像输入至行为模型前，还包括：所述行为模型是否重新接收到训练数据；如果是，则将重新接收到的训练数据对所述行为模型重新训练。通过实时的训练，保证能够实现及时、快速、准确进行行为识别。

所述待识别牲畜的视频图像可以通过安装在养殖场的摄像头进行采集。具体地，养殖场的摄像头可以包括多个。

S105、查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

本申请提供的分析牲畜行为的方法可以应用于具备视频拍摄功能的拍摄设备，应用于在摄像机、相机等拍摄设备中时，在录像模式下，拍摄设备牲畜图像后，进行图像处理，从而对牲畜进行异常行为分析，以便针对异常行为进行干预；也可以应用到对视频图像进行后期处理的处理设备，如手机、PC机等设备上，在从拍摄设备接收到牲畜视频图像后，对牲畜的视频图像进行分析。

具体地，行为库可以是根据经验进行分析得到。需要说明的是，本申请中所述行为库可以采用任意一种数据库，本申请对此不进行限定，任何一种能够存储有不同的外在行为与异常行为以及对应的指导信息的关联关系的数据库都可以。具体实施时，外在行为可以是单独一个数据库，异常行为可以是单独一个数据库，而指导行为也可以是单独一个数据库，只要将三者建立关联关系即可。

图2为本申请中进行异常判断一个实施例的流程示意图。

S201、判断所述外在行为是否为异常行为。

S202、如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

异常行为包括多种，如猪只打架属于异常行为，对应的措施是人工干预；母猪的频繁走动是属于异常中的发情行为，对应的措施是兽医监控、测量，并采取准备人工受精的操作等。

本申请通过该步骤生成行为模型，具体地，所述行为模型可以是在移动端生成，也可以是在云端完成。所述移动端或云端在接收到所述牲畜行为后生成。

具体地，所述报警数据可以输出至与应用本申请所述的方法的设备相互通信的处理设备上，对牲畜进行管理的工作人员在处理设备上接收到该报警数据后要求对该待识别的牲畜进行相应的干预处理，为了提高干预处理的精确度，在数量众多的牲畜中快速找到需要干预处理的牲畜，可以参照如图3所示的方式进行处理。

图3为为本申请中进行异常判断另一个实施例的流程示意图。

所述方法还包括：

S301、在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像获取头部特征和/或身体特征。

S302、根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。

由于本申请的目的在于对牲畜进行异常分析，因此具体实施实施时，需要对出现异常行为的牲畜进行干预，而干预则需要明确出现异常的牲畜，为此，本申请在将与所述异常行为对应的指导信息生成报警数据后，需要对异常行为的牲畜进行识别。本申请通过在监控视频上标注所述待识别牲畜的图像，以便用户直观形象的对该牲畜进行观察，从而达到针对性的处理。应用时，用户根据监控视频上的标注判断该待识别牲畜的位置，从而对其进行干预处理。

到此已经能够完成快速定位待识别牲畜的目的，由于实际操作中，牲畜不会呆在一个位置不移动，因此具体操作中，用户还可以利用移动设备对初步判断的牲畜进行图像拍摄，从而对其进行识别，判断是否为待识别的牲畜。为了实现该目的，具体可以在本实施例的基础上，还可选的包括：S303、接收用于利用移动设备拍摄获取的需匹配的牲畜图像；S304、提取所述需匹配的牲畜图像的头部特征和/或身体特征后，将所述需匹配的牲畜图像的头部特征和/或身体特征与待识别牲畜的所述需匹配的牲畜图像的头部特征和/或身体特征进行匹配，判断是否一致；S305、如果一致，则生成提示信息。

具体地，养殖管理人员接收到报警数据后，可选的利用应用本申请所述方法的装置，如手机、pad等，依次对每个牲畜进行图像拍摄，以便根据拍摄的图像进行特征提取，将提取的特权与出现异常行为的牲畜的头部特征和/或身体特征进行匹配，从而判断是否为需要干预的牲畜。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述牲畜行为分析方法的装置，如图4所示，该装置包括：

视频获取单元10，用于获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；

视频分类单元20，用于根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；

行为模型单元30，用于将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；

行为识别单元40，用于在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；

异常判断单元50，用于查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

进一步，所述异常判断单元包括：

异常判断模块，用于判断所述外在行为是否为异常行为；

异常处理模块，用于如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

进一步，所述装置还包括：特征提取单元，用于在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像提取头部特征和/或身体特征；个体标准单元，用于根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。更进一步，匹配接收单元，用于接收用于利用移动设备拍摄获取的需匹配的牲畜图像；匹配判断单元，用于提取所述需匹配的牲畜图像的头部特征和/或身体特征后，将所述需匹配的牲畜图像的头部特征和/或身体特征与待识别牲畜的所述需匹配的牲畜图像的头部特征和/或身体特征进行匹配，判断是否一致；提示处理单元，用于如果一致，则生成提示信息。

进一步，所述视频获取单元还包括：

归一化模块，用于将所有视频图像进行的分辨率进行归一化处理。

进一步，所述视频分类单元包括：

标注判断模块，用于判断所述视频图像是否具有行为标注；

标注处理单元，用于如果不具有行为标注，则剔除所述视频图像。

进一步，所述行为模型单元还包括：

再训练判断模块，用于所述行为模型是否重新接收到训练数据；

再训练处理模块，用于如果是，则将重新接收到的训练数据对所述行为模型重新训练。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种牲畜行为分析方法，其特征在于，包括：

获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；

根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；

将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；

在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；

查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

2.根据权利要求1所述的方法，其特征在于，所述查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，包括：

判断所述外在行为是否为异常行为；

如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像获取头部特征和/或身体特征；

根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

接收利用移动设备拍摄获取的需匹配的牲畜图像；

提取所述需匹配的牲畜图像的头部特征和/或身体特征后，将所述需匹配的牲畜图像的头部特征和/或身体特征与待识别牲畜的所述需匹配的牲畜图像的头部特征和/或身体特征进行匹配，判断是否一致；

如果一致，则生成提示信息。

5.根据权利要求1所述的方法，其特征在于，所述获取属于同类牲畜但不同个体的视频图像，还包括：

将所有视频图像进行的分辨率进行归一化处理。

6.根据权利要求1所述的方法，其特征在于，所述根据所述行为标注将所述视频图像进行分类，包括：

判断所述视频图像是否具有行为标注；

如果不具有行为标注，则剔除所述视频图像。

7.根据权利要求1所述的方法，其特征在于，所述将所述待识别视频图像输入至行为模型前，还包括：

所述行为模型是否重新接收到训练数据；

如果是，则将重新接收到的训练数据对所述行为模型重新训练。

8.一种牲畜行为分析装置，其特征在于，包括：

视频获取单元，用于获取属于同类牲畜但不同个体的视频图像，所述视频图像具有行为标注；

视频分类单元，用于根据所述行为标注将所述视频图像进行分类，得到行为图像，不同行为图像具有不同的表现行为；

行为模型单元，用于将行为图像作为训练数据对神经网络模型进行训练，得到能够识别外在行为的行为模型；

行为识别单元，用于在接收到待识别牲畜的视频图像后，将所述待识别牲畜的视频图像输入至行为模型，得到外在行为；

异常判断单元，用于查询行为库，判断所述外在行为是否为异常行为，并根据判断结果生成干预信息，所述行为库存储有不同的外在行为与异常行为以及对应的指导信息的关联关系。

9.根据权利要求8所述的装置，其特征在于，所述异常判断单元包括：

异常判断模块，用于判断所述外在行为是否为异常行为；

异常处理模块，用于如果是异常行为，则按照所述异常行为对应的指导信息生成报警数据后输出，否则不做处理。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

特征提取单元，用于在按照所述异常行为对应的指导信息生成报警数据后输出，根据待识别牲畜的视频图像提取头部特征和/或身体特征；

个体标准单元，用于根据所述头部特征和/或身体特征在监控视频上对所述待识别牲畜进行标注。